Device-Measured Physical Activity Before and Throughout the COVID-19 Pandemic in Canada: Results from the INTERACT and COVFIT Studies
Notice bibliographique
Résumé
The COVID-19 pandemic disrupted daily routines and prompted widespread changes in health behaviours, including physical activity. This dissertation explores how adult physical activity changed throughout the pandemic in Canada and evaluates the potential of consumer wearable devices to study behaviour change over time and in response to disruptions. I addressed three independent but related research objectives using data from two cohort studies. Objective 1 was to estimate the effect of the pandemic and pandemic-related restriction stringency on daily minutes of moderate-to-vigorous physical activity (MVPA) in fall 2020. I conducted a secondary analysis of INTERACT, an open cohort of adults in Vancouver, Montreal, and Saskatoon, which collected accelerometer data before (2018–2019) and during (2020–2021) the pandemic. Daily MVPA was 21% lower during the pandemic (Oct 2020–Feb 2021) than before (May 2018–Feb 2019), adjusting for sociodemographic factors, weather, and wear time. Restriction stringency was not associated with MVPA during this period. I addressed my second and third objectives using retrospective Apple Watch data from COVFIT, a cohort study of Canadian Apple Watch users that I led and designed. Objective 2 was to estimate the effect of software and hardware upgrades on Apple Watch measurements of daily active calories and exercise minutes. Comparing the 7 days before and after a major upgrade, I found no effects of hardware version but observed changes in both outcomes after some software upgrades. These findings suggest that software version may confound longitudinal analyses of Apple Watch data. Objective 3 was to identify and describe trajectories of daily exercise minutes from March 2020 to December 2022. I identified three groups (high, moderate, and low activity), all of which increased activity over time, with the greatest relative gains in the low group. Cluster membership was associated with education, income, exercise motivation, exercise enjoyment, and baseline health, but not age or employment status. These results describe both the short-term impact of the COVID-19 pandemic on physical activity and common longer-term patterns of recovery. They also highlight the potential benefits and limitations of using consumer wearable data to study longer-term behavioural trajectories during the pandemic and beyond.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».